编辑推荐：
为解决现有 CDR3 序列生成方法难以产生可靠、多样新序列的问题，研究人员开展基于生成对抗网络（GANs）生成 T 细胞受体（TCR）CDR3 序列的研究，发现 LSTM 和 LeakyReLU 模型均有效，前者多样性与准确性更优，后者稳定性更佳，为 eTCR 疗法提供新工具。
在免疫治疗领域，精准设计 T 细胞受体（TCR）以增强其对抗肿瘤或病原体的能力是关键挑战。TCR 的互补决定区 3（CDR3）作为识别抗原的核心区域，其序列的多样性和准确性直接影响免疫疗法的效果。然而，传统的基于基序（motif）或马尔可夫模型的 CDR3 序列生成方法，难以捕捉真实 TCR 库的复杂多样性，导致生成序列的可靠性和新颖性不足，限制了工程化 T 细胞受体（eTCR）疗法的发展。因此，开发一种能够高效生成高度逼真且多样化 CDR3 序列的方法，成为提升 eTCR 疗法预测性和疗效的迫切需求。
来自瑞典卡罗林斯卡学院（Karolinska Institute）、波兰科学院遗传与动物生物技术研究所等机构的研究人员，在《Scientific Reports》上发表了一项突破性研究。他们首次将生成对抗网络（GANs）应用于 CDR3 序列的生成，通过比较基于长短期记忆网络（LSTM）和 LeakyReLU 激活函数的两种 GAN 架构，成功开发出能够生成生物学可靠 CDR3 序列的方法，为 TCR 库的虚拟生成和数据增强提供了新范式。
研究主要采用了以下关键技术方法：首先，从 VDJdb 数据库获取 116,063 条 CDR3α/β 序列，并从 UniProt 数据库补充 3,000 条非 TCR 序列作为对照，通过数值编码构建训练数据集；其次，设计两种 GAN 架构，LSTM 型 GAN 通过多层 LSTM 网络捕捉序列的长程依赖，LeakyReLU 型 GAN 则利用带泄露修正线性单元的神经网络稳定训练过程；然后，通过对抗训练优化生成器和判别器，以最小化判别器损失和 Kullback-Leibler（KL）散度为目标，使生成序列逼近真实 CDR3 的氨基酸频率分布和结构特征；最后，结合 t-SNE 聚类、频率分布分析、TCR3d BLAST 比对及分子对接等方法，验证生成序列的生物学相关性。
模型性能评估与对比
研究发现，LSTM 模型在判别器损失（0.07）、准确率（0.91）和 AUC（0.99）上表现更优，生成序列具有更高的多样性，真阳性和假阳性率均提升，但生成器损失较高（0.9）。相比之下，LeakyReLU 模型的生成器损失更低（0.65），Pearson 相关系数达 0.91，更稳定地模拟真实数据分布，且通过 t-SNE 分析显示其生成序列与真实 TCR 的重叠度更高。这表明 LSTM 适合生成多样化的治疗性序列，而 LeakyReLU 在疾病分类等需要稳定性的场景更具优势。
生物学可靠性验证
通过 TCR3d 数据库的 BLAST 分析，生成序列与已知 TCR 序列的比对得分显著高于非 TCR 序列，且在分子对接实验中，生成 CDR3 与 HLA-A*02:01 分子的结合亲和力（-634）接近真实值（-728），证实其具备抗原结合的生物学功能。此外，氨基酸频率分布对比显示，两种模型生成的序列均比传统 MEME 基序模型和马尔可夫模型更接近真实 CDR3，尤其是 LSTM 能生成更丰富的氨基酸类型，突破了基序模型的局限性。
与传统方法的对比优势
相较于依赖固定模板或短程依赖的传统生成方法，GANs 通过动态学习真实 TCR 库的复杂模式，能够生成兼具多样性和保真度的新序列。例如，MEME 模型因受限于已知基序，无法生成酪氨酸（Y）、脯氨酸（P）等未包含在基序中的氨基酸，而 GANs 则能突破这一限制，更全面地模拟自然 TCR 的多样性。这种优势在数据增强中尤为重要，可为机器学习模型提供更丰富的训练样本，提升 eTCR 疗法的设计效率。
研究结论表明，GANs 在 CDR3 序列生成中展现出显著潜力，LSTM 和 LeakyReLU 模型分别在多样性和稳定性上各具优势，为 eTCR 疗法的优化提供了关键工具。尽管当前模型在个别氨基酸的相关性上仍有提升空间，但通过结合 Wasserstein GAN、注意力机制等改进策略，有望进一步提高生成序列的生物学准确性。该研究不仅为 TCR 库的计算建模开辟了新方向，还为 RNA 序列设计、蛋白质折叠模拟等领域提供了方法论借鉴，推动生成对抗网络在计算生物学和免疫治疗中的广泛应用，加速个性化细胞疗法的发展进程。
